鏈上流動性的發展與未來趨勢

集中流動性（CLMM）與資本效率提升

傳統 AMM 模型允許流動性在整個價格區間平均分布，然而實際上，大多數交易集中於特定區段，導致大量資金閒置。集中流動性（Concentrated Liquidity Market Maker，CLMM）的誕生，正是為了提升資金利用率。

在 CLMM 機制下，LP 可自主設定資金生效的價格範圍，將流動性集中於交易最活躍的區間，從而大幅提升資本效率。Uniswap V3 等協議即為典型代表，讓 LP 能如同傳統做市商般管理價格區間。

CLMM 帶來的核心變革包括：

• 資金不再平均分布，而是集中於高成交區間
• 同等規模資金可提供更深厚的市場深度
• LP 收益潛力提升，但需主動管理頭寸
• 市場流動性結構更加動態化

然而，此模式也提高了參與門檻，LP 必須掌握價格區間、再平衡策略及市場波動。

流動性聚合器與跨協議路由機制

隨著 DeFi 協議數量迅速增加，流動性不再集中於單一平台，而是分散於多個 AMM 與訂單簿協議。流動性聚合器（Liquidity Aggregator）因而出現，使交易得以跨多個資金池尋找最佳價格路徑。

當用戶發起交易時，聚合器會自動掃描各協議流動性，並根據滑點、手續費及價格情況智能拆單。例如，大額交易可能拆分於多個池子執行，以降低整體成本。

從用戶體驗角度，聚合器的優勢主要體現在：

• 自動尋找最優成交路徑
• 減少手動比較不同 DEX 所需時間
• 提升大額交易執行效率
• 降低單一池流動性不足造成的滑點

這類跨協議路由機制，使 DeFi 市場逐漸呈現統一流動性層趨勢，也讓用戶更貼近無感知交易體驗。

意圖驅動交易（Intent-based Trading）與 RFQ 模式

傳統鏈上交易通常要求用戶手動指定交易路徑與參數，如滑點限制、交易對及執行方式。隨著 DeFi 複雜度提升，意圖驅動交易這一新模式逐漸興起。

在此模式下，用戶僅需表達欲達成的結果，例如希望以最佳價格將某資產兌換為另一資產，系統即自動尋找執行路徑，該過程通常由求解者（Solver）或做市商完成，根據市場情況提供報價或執行方案。

RFQ（Request for Quote）模式則為另一重要趨勢，允許用戶直接向做市商請求報價，並選擇最優方案成交。相較傳統 AMM，RFQ 更適合大額交易，因價格可依交易規模個性化調整。

意圖驅動交易的出現，代表用戶從操作交易工具轉向表達交易目標，流動性提供者則於後台競爭執行機會。

做市協議化（PMM / DPMM）的發展路徑

隨著鏈上交易生態逐漸成熟，部分協議開始將做市策略直接寫入智能合約，實現做市協議化。PMM（Proactive Market Maker）與 DPMM（Dynamic PMM）等模型，旨在讓價格曲線更貼近真實市場需求。

不同於傳統 AMM 固定曲線，這些模型可依市場數據及外部價格源動態調整報價。例如，市場需求增加時，價格曲線自動變得更平滑以減少滑點；波動性上升時則提升報價彈性，降低風險。

此模式帶來的變革涵蓋多層面：

• 做市策略由人工決策轉為協議規則
• 價格機制更貼近真實市場供需
• LP 不再僅被動提供資金，而能參與策略設計
• 做市邏輯逐漸成為可組合的 DeFi 模組

做市協議化促使流動性從單一資金池演變為可編程金融組件，亦為未來自動化市場結構奠定基礎。

AI 做市與自動化鏈上流動性管理

隨著鏈上資料規模與複雜度持續提升，AI 已逐步導入流動性管理與做市策略。相較傳統演算法，AI 能分析更複雜的資料模式，如鏈上行為、市場情緒及跨市場價格關係，並動態調整做市策略。

AI 做市的應用方向包括：

• 自動調整流動性區間及再平衡策略
• 預測交易量變化並提前部署資金
• 實時監控風險敞口並執行對沖操作
• 優化跨鏈與跨協議資金分配

未來鏈上流動性管理，將愈趨近自動駕駛系統，LP 不再需頻繁手動操作，而是透過智能代理管理資產；但同時，市場將更依賴演算法與模型，一旦策略失效，風險亦可能迅速放大。